亚马逊AWS官方博客
·
斯曼森携手亚马逊云科技，使用 Amazon Nova 打造中文法律大模型
💡
原文中文，约4300字，阅读约需11分钟。
📝
内容提要
斯曼森是一家专注于人工智能的企业，通过微调法律领域的AI模型“鳀鲸”，提供高效的法律咨询服务，提升案件识别和问题生成的准确性。与亚马逊云科技合作，持续优化模型，提升咨询质量和效率。
🎯
关键要点
- 斯曼森是一家专注于人工智能技术及应用研发的科技创新企业。
- 公司通过微调法律领域的AI模型“鳀鲸”，提供高效的法律咨询服务。
- 斯曼森的法律咨询流程包括用户输入案情、模型分析与归类、关键事实与证据识别等步骤。
- 选择微调而非检索增强生成是因为微调能深度优化法律咨询任务，适应静态环境。
- 数据是成功微调的关键因素，斯曼森通过更新案例库确保模型的准确性和效率。
- 采用亚马逊云科技的Fine-tuning Dataflow解决方案构建微调流水线。
- 数据处理过程占用了斯曼森算法团队大量时间，需将案例数据转变为可微调的数据集。
- 通过与亚马逊云科技合作，斯曼森成功构建了针对法律行业的大型语言模型。
- “鳀鲸”模型在案情识别准确率方面达到了99%，比对照组提升9个百分点。
- 法律专家的满意度评分从60%提升至90%，显示出模型的专业价值和实用性。
- 斯曼森将持续优化模型，提高AI法律咨询服务的可用性、准确性和效率。
❓
延伸问答
斯曼森的法律咨询流程是怎样的？
斯曼森的法律咨询流程包括用户输入案情、模型分析与归类、关键事实与证据识别、缺失信息分析和信息挖掘等步骤。
为什么斯曼森选择微调而不是检索增强生成？
斯曼森选择微调是因为微调能深度优化法律咨询任务，适应静态环境，减少生成虚假或不准确信息的风险。
斯曼森如何确保模型的准确性和效率？
斯曼森通过不断更新案例库，确保模型始终保持最新状态，从而提高法律咨询服务的准确性和效率。
与亚马逊云科技的合作对斯曼森有什么帮助？
与亚马逊云科技的合作帮助斯曼森构建了针对法律行业的大型语言模型，并提升了模型的性能和微调效率。
‘鳀鲸’模型在案情识别准确率方面的表现如何？
‘鳀鲸’模型在案情识别准确率方面达到了99%，比对照组提升了9个百分点。
斯曼森的法律咨询服务如何提升用户满意度？
斯曼森的法律咨询服务通过提高模型的准确性和专业性，使法律专家的满意度评分从60%提升至90%。
➡️
